Non-Linear Corrosion Growth: A More Appropriate and Accurate Model for Predicting Corrosion Growth Rate
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
External metal-loss corrosion is one of the major contributing factors for pipeline failures in North America. Corrosion growth rate plays a crucial role in managing corrosion hazard for gas and liquid pipelines. Quantifying the growth of corrosion over time is critically important for the risk and reliability analysis of pipelines, planning for corrosion mitigation and repair, and determination of time intervals for corrosion inspections. Conservatism in predicting the growth rate has significant engineering implication as non-conservatism can lead to critical anomalies being missed by mitigation actions and may cause pipeline failure; whereas, over conservatism can lead to unnecessary inspections and anomaly mitigations that may result in significant unnecessary cost to pipeline operators. As more and more pipelines are now being inspected by in-line inspection (ILI) tools on a regular basis, the ILI data from multiple inspections provide valuable information about the growth of corrosion anomalies on the pipeline. Although the application of linear growth rate calculated by comparing depths from two successive ILI is a common practice in the pipeline industry, research has shown that the growth of corrosion anomaly is non-linear and anomaly-specific. The authors of this paper have previously developed anomaly-specific non-linear corrosion growth model based on multiple ILI data. The objectives of this paper are to demonstrate the appropriateness of anomaly-specific non-linear corrosion growth model, and to illustrate the advantages of using non-linear corrosion growth model in the integrity management program. Two case studies were performed to illustrate the application of non-linear growth model by incorporating the measurement errors associated with the ILI tools, which include both the bias (constant and non-constant) and random scattering error. The findings of these case studies are presented in this paper.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle